• 融合多源异构数据的推荐与检索

    释放查看图文详情

21年品牌 40万+商家 超1.5亿件商品

融合多源异构数据的推荐与检索

55.1 6.3折 88 九五品

仅1件

北京通州

送至北京市朝阳区

运费快递 ¥9.00

认证卖家担保交易快速发货售后保障

作者冀振燕,刘吉强,冯其波,何世伟

出版社重庆大学出版社

ISBN9787568933674

出版时间2022-06

版次1

装帧精装

开本16开

纸张胶版纸

页数178页

字数99999千字

定价88元

上书时间2024-12-22

评价3121好评率 99.82%

  • 品相不错 56
  • 发货速度快 55
  • 包装仔细 54
  • 物流很快 54
  • 非常满意 41
  • 价格实惠 38
  • 值得信赖 37
  • 品相超预期 34
  • 服务态度好 32
  • 物超所值 32
  • 书质量太差 2
  • 描述严重不符 2
  • 价格有点贵 1
  • 描述不符 1
  • 有小瑕疵 1
  • 影响阅读 1
  • 服务态度差 1
  • 没收到货 1
查看全部评价

纵列風

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九五品
商品描述
基本信息
书名:融合多源异构数据的推荐与检索
定价:88.00元
作者:冀振燕,刘吉强,冯其波,何世伟
出版社:重庆大学出版社
出版日期:2022-06-01
ISBN:9787568933674
字数:169000
页码:178
版次:
装帧:精装
开本:16开
商品重量:
编辑推荐

内容提要
本书介绍了解决信息过载问题常用的两种技术:推荐引擎和搜索引擎。为了有效提高推荐和搜索的度,融合多源异构数据成为重要手段,不同来源和不同结构的数据含有不同的语义信息,数据的融合为推荐和搜索提供了更丰富的语义,有效提高了推荐和检索的度。本书基于作者团队多年的研究成果,介绍了推荐和检索领域的发展、常用的技术和算法,提出了融合多源异构数据的推荐模型、跨模态的检索模型。本书的内容反映了本领域的发展。    本书可供研究融合多源异构数据技术、个性化推荐技术、跨模态检索技术的科研人员、公司研发人员、高等院校研究生阅读参考。
目录
章  绪论  1.1  推荐与检索    1.1.1  推荐    1.1.2  检索  1.2  多源异构数据融合的优势与挑战    1.2.1  基于推荐的多源异构数据融合的优势与挑战    1.2.2  基于检索的多源异构数据融合的优势与挑战  1.3  本章小结第2章  推荐与检索技术  2.1  推荐技术    2.1.1  基于内容的推荐    2.1.2  协同过滤推荐    2.1.3  基于深度学习的推荐    2.1.4  推荐系统评价指标    2.1.5  基于评测方法的评价指标  2.2  检索技术    2.2.1  基于文本的检索    2.2.2  基于内容的检索    2.2.3  基于语义的检索    2.2.4  基于上下文的检索    2.2.5  基于示例的检索    2.2.6  多模态跨模态检索    2.2.7  个性化检索  2.3  本章小结第3章  个性化推荐与检索  3.1  基于内容的个性化图像推荐与检索    3.1.1  用户兴趣获取    3.1.2  用户兴趣表示    3.1.3  个性化实现  3.2  基于协同过滤的个性化图像推荐与检索    3.2.1  基于用户的协同过滤    3.2.2  基于物品的协同过滤    3.2.3  基于模型的协同过滤  3.3  个性化图像推荐与检索方法对比  3.4  本章小结第4章  基于传统机器学习的多源异构数据推荐模型  4.1  问题描述  4.2  相关算法    4.2.1  Word2Vector4. 2.2 Online LDA    4.2.3  CNM    4.2.4  CoDA  4.3  推荐流程  4.4  推荐模型    4.4.1  评论特征提取    4.4.2  社区发现    4.4.3  模型训练    4.4.4  特征混合    4.4.5  预测和评价  4.5  Spark实现  4.6  数据集  4.7  实验    4.7.1  实验环境    4.7.2  实验一    4.7.3  实验二  4.8  本章小结第5章  基于深度学习的融合多源异构数据推荐  5.1  问题描述  5.2  基于社区发现的多源异构数据推荐    5.2.1  相关算法    5.2.2  基于社区发现的推荐模型  5.3  基于社交关系的多源异构数据推荐    5.3.1  相关算法    5.3.2  基于社交关系的推荐模型    5.3.3  基于社交关系的推荐模型对比实验  5.4  可扩展的基于社交关系的多源异构数据推荐    5.4.1  优化过程    5.4.2  推荐模型    5.4.3  实验结果及分析  5.5  本章小结第6章  基于深度哈希图像-文本跨模态检索  6.1  问题描述  6.2  相关算法    6.2.1  基于传统统计相关分析的方法    6.2.2  基于深度学习的方法    6.2.3  多标签学习  6.3  多层语义跨模态深度哈希算法    6.3.1  深度特征提取模块    6.3.2  相似度矩阵生成模块    6.3.3  哈希码学习模块    6.3.4  优化方法    6.3.5  检索模型  6.4  图像-文本跨模态检索模型对比实验    6.4.1  实验数据集    6.4.2  基准方法    6.4.3  评价指标    6.4.4  实验结果及分析  6.5  本章小结第7章  基于多模态数据的餐馆推荐系统的实现  7.1  软件简介  7.2  软件设计  7.3  软件实现  7.4  软件展示  7.5  本章小结第8章  总结与展望  8.1  总结  8.2  展望参考文献
作者介绍

序言

   为你推荐   

—  没有更多了  —

微信扫码逛孔网

无需下载

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP